【CN109975250B】一种叶面积指数反演方法及装置【专利】
一种极化sar反演叶面积指数 专利
一种极化sar反演叶面积指数专利摘要：一、背景介绍二、极化SAR反演叶面积指数的原理1.极化SAR的基本概念2.叶面积指数与极化SAR的关系三、极化SAR反演叶面积指数的方法1.数据获取与预处理2.极化SAR图像特征提取3.叶面积指数估算模型建立4.反演结果验证与分析四、应用案例及效果展示五、总结与展望正文：【一、背景介绍】叶面积指数（Leaf Area Index，LAI）是描述植物生态系统生物量、光合作用和水分利用效率的重要参数。
准确获取叶面积指数对于研究生态系统结构和功能具有重要意义。
近年来，遥感技术作为一种快速、高效、无损的监测手段，在叶面积指数估算方面取得了显著成果。
其中，极化合成孔径雷达（Polarimetric Synthetic Aperture Radar，PolSAR）作为一种具有出色地表穿透能力和极化信息的遥感技术，在叶面积指数估算方面具有较大潜力。
【二、极化SAR反演叶面积指数的原理】1.极化SAR的基本概念极化SAR是指具有两个或多个极化通道的合成孔径雷达。
与传统SAR相比，极化SAR能够获取更多关于地表目标的物理信息，如目标的散射特性、结构参数等。
这为叶面积指数的反演提供了有力支持。
2.叶面积指数与极化SAR的关系叶面积指数反映了植物生态系统中的生物量分布和垂直结构。
极化SAR能够获取地表目标的物理特性，如叶片结构、植被垂直分布等。
因此，叶面积指数与极化SAR之间存在一定的关联性。
通过对极化SAR图像的分析，可以间接估算叶面积指数。
【三、极化SAR反演叶面积指数的方法】1.数据获取与预处理选用具有多个极化通道的SAR数据，对数据进行预处理，如去噪、地理校正、辐射校正等。
2.极化SAR图像特征提取基于极化SAR图像，提取具有叶面积指数相关性的特征参数，如散射矩阵、共极化比率、非共极化比率等。
3.叶面积指数估算模型建立利用统计学方法，将极化SAR图像特征与叶面积指数建立关系模型。
一种树种叶面积指数的高光谱反演方法[发明专利]
![一种树种叶面积指数的高光谱反演方法[发明专利]](https://img.taocdn.com/s3/m/603bc788caaedd3382c4d3ad.png)
专利名称：一种树种叶面积指数的高光谱反演方法专利类型：发明专利
发明人：胡月明,汪清泓,刘振华
申请号：CN201810269645.3
申请日：20180329
公开号：CN108520127A
公开日：
20180911
专利内容由知识产权出版社提供
摘要：本发明公开了一种树种叶面积指数的高光谱反演方法，其方法包括：采集亚热带常绿阔叶林树种的叶片光谱反射率和叶片叶面积指数；基于经验模型的植被指数方法进行回归分析，分析出叶片光谱反射率、叶片叶面积指数的变化规律，以及叶片光谱反射率和叶片面积指数的量化关系；基于反演模型获取到所对应的模型模拟值；采用均方根误差对模型模拟值和实测值间的拟合度进行检验；基于均方根误差值确定最佳的亚热带常绿阔叶林树种高光谱植被特征参量反演模型。
通过本发明实施例，利用经验模型的植被指数方法进行回归分析，构建高光谱数据获取LAI的最佳区域代表性混合树种的反演模型，反演华南地区常绿阔叶林的LAI，为南亚热带森林的经营管理提供科学依据。
申请人：华南农业大学
地址：510642 广东省广州市天河区五山路483号
国籍：CN
代理机构：佛山市广盈专利商标事务所(普通合伙)
代理人：李俊
更多信息请下载全文后查看。
【CN109975250A】一种叶面积指数反演方法及装置【专利】
(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 201910333471.7(22)申请日 2019.04.24(71)申请人 中国科学院遥感与数字地球研究所地址 100101 北京市朝阳区大屯路甲20号北申请人 首都师范大学(72)发明人 董莹莹 李雪玲 朱溢佞 叶回春 黄文江 (74)专利代理机构 北京集佳知识产权代理有限公司 11227代理人 杨华 王宝筠(51)Int.Cl.G01N 21/552(2014.01)G06N 3/04(2006.01)G06N 3/08(2006.01)(54)发明名称一种叶面积指数反演方法及装置(57)摘要本申请公开了一种叶面积指数反演方法及装置，其中，方法包括：获取遥感植被冠层光谱反射率数据，将遥感植被冠层光谱反射率数据输入预先训练的深度神经网络模型，得到深度神经网络模型输出的叶面积指数，深度神经网络模型至少包括卷积层，卷积层的采样步幅大于1，并且取不大于卷积层使用的滤波器的尺度的数值中的最大值。
通过本申请，可以反演出具有较高精度的叶面积指数。
权利要求书2页 说明书12页 附图2页CN 109975250 A 2019.07.05C N 109975250A权 利 要 求 书1/2页CN 109975250 A1.一种叶面积指数反演方法，其特征在于，包括：获取遥感植被冠层光谱反射率数据；将所述遥感植被冠层光谱反射率数据输入预先训练的深度神经网络模型，得到所述深度神经网络模型输出的叶面积指数，所述深度神经网络模型至少包括卷积层，所述卷积层的采样步幅大于1，并且取不大于所述卷积层使用的滤波器的尺度的数值中的最大值。
2.根据权利要求1所述的方法，其特征在于，所述预设的神经网络模型是采用训练样本训练得到；所述训练样本包括预设的植被光谱发射率数据，以及与所述预设的植被光谱反射率数据对应的叶面积指数；所述预设的植被光谱反射率数据为在所述遥感植被冠层光谱反射率数据中的比例为0.14％的数据。
一种叶面积指数监测装置[实用新型专利]
![一种叶面积指数监测装置[实用新型专利]](https://img.taocdn.com/s3/m/44a1a847dd3383c4ba4cd2a8.png)
专利名称：一种叶面积指数监测装置专利类型：实用新型专利
发明人：李秀红,杨荣金,黄天戍
申请号：CN201620355828.3
申请日：20160422
公开号：CN205718881U
公开日：
20161123
专利内容由知识产权出版社提供
摘要：本实用新型公开了一种叶面积指数监测装置，包括图像采集装置、太阳能追踪供电装置、数据线、数据处理设备，所述图像采集装置由摄像头、数据采集卡、数据传输模块组成，所述太阳能追踪供电装置包括基座、回转驱动装置、立柱、太阳能光伏组件、蓄电池、电路控制系统、回转驱动控制系统，回转驱动装置安装在基座上，立柱与回转驱动装置的转动轴相连接，太阳能光伏组件固定在立柱的顶端。
本实用新型结构简单，使用方便，解决了以往图像数据采集过程中作物之间出现的阴影影响叶面积指数的计算和准确度的问题，图像数据的采集更加精准、误差小，保证了最后计算出的叶面积指数的准确性，为农业和生态学的研究提供更加科学的参数。
申请人：安徽京师方圆信息技术有限公司,中国环境科学研究院,北京师范大学
地址：247000 安徽省池州市经济技术开发区金安工业园电子综合服务楼9楼
国籍：CN
代理机构：上海市华诚律师事务所
代理人：章登亚
更多信息请下载全文后查看。
一种中分辨率叶面积指数产品的校正方法及装置[发明专利]
![一种中分辨率叶面积指数产品的校正方法及装置[发明专利]](https://img.taocdn.com/s3/m/9ddac73849649b6649d74742.png)
专利名称：一种中分辨率叶面积指数产品的校正方法及装置专利类型：发明专利
发明人：董亚冬,李静,柳钦火,赵静
申请号：CN202010265223.6
申请日：20200407
公开号：CN111402322A
公开日：
20200710
专利内容由知识产权出版社提供
摘要：本申请提供了一种中分辨率叶面积指数产品的校正方法及装置，其中方法包括：获取中分辨率叶面积指数产品；分别计算中分辨率叶面积指数产品中每个像元的叶面积指数的校正因子；分别计算中分辨率叶面积指数产品中每个像元的叶面积指数与对应的校正因子的比值，得到校正后的中分辨率叶面积指数产品。
由于任一像元中亚像元的孔隙率体现了该像元的空间异质性，该像元中各亚像元的k值体现了该像元中各亚像元的地表覆盖类型；因此，本申请计算得到的校正后的中分辨率叶面积指数产品，考虑了中分辨率像元内不同土地覆盖类型的混合以及像元的空间异质性，从而，本申请可以提高空间异质性较强区域的叶面积指数的精度。
申请人：中国科学院空天信息创新研究院
地址：100094 北京市海淀区邓庄南路9号
国籍：CN
代理机构：北京集佳知识产权代理有限公司
代理人：尹秀
更多信息请下载全文后查看。
一种极化sar反演叶面积指数 专利
一种极化sar反演叶面积指数专利（最新版）目录一、引言二、极化 SAR 反演叶面积指数的原理三、极化 SAR 反演叶面积指数的方法四、极化 SAR 反演叶面积指数的优缺点五、结论正文一、引言叶面积指数（Leaf Area Index，LAI）是描述植物生态系统生物量和生产力的重要参数，其定义为单位地面上所有叶片单面面积的总和。
LAI 的准确测量对于研究植物生态系统的碳循环、水文循环以及植物生长状况等方面具有重要意义。
近年来，随着遥感技术的发展，利用极化合成孔径雷达（Polarimetric Synthetic Aperture Radar，PolSAR）反演叶面积指数已成为一种有效方法。
本文将对极化 SAR 反演叶面积指数的原理、方法及优缺点进行详细介绍。
二、极化 SAR 反演叶面积指数的原理极化 SAR 是一种具有多个极化通道的合成孔径雷达，能够获取目标物在多个极化状态下的反射信息。
极化 SAR 反演叶面积指数的原理是基于植物叶片的物理特性，例如叶片的结构、形状、大小、方向等，这些特性会影响极化 SAR 信号的传播和反射。
通过分析极化 SAR 信号的反射特征，可以获取植物叶片的相关信息，从而计算出叶面积指数。
三、极化 SAR 反演叶面积指数的方法极化 SAR 反演叶面积指数的方法主要包括以下几种：1.基于单一极化通道的方法：通过分析极化 SAR 信号在一个极化通道上的反射特征，获取植物叶片的信息。
这种方法简单易行，但容易受到环境因素的影响，例如土壤湿度、坡向等。
2.基于多极化通道的方法：通过分析极化 SAR 信号在多个极化通道上的反射特征，获取植物叶片的更详细信息。
这种方法可以提高反演叶面积指数的准确性，但计算过程较为复杂。
3.基于极化分解的方法：将极化 SAR 信号进行四成分分解，得到体散射分量、共极化分量、非共极化分量和多重散射分量。
通过分析这些分量的特征，可以获取植物叶片的信息，从而计算出叶面积指数。
一种极化sar反演叶面积指数 专利
一种极化sar反演叶面积指数专利摘要：一、背景介绍- 极化SAR 技术- 叶面积指数的概念及重要性二、专利技术概述- 专利名称及发明人- 申请日期及公开日期- 专利摘要三、技术原理- 极化SAR 图像的获取- 图像预处理- 叶面积指数反演算法四、算法实现- 极化SAR 图像的四成分分解- 体散射分量的提取- 叶面积指数的计算五、实验及分析- 实验数据及设备- 实验结果及分析- 算法性能评估六、应用前景- 在农业、林业等领域的应用- 对生态环境监测及预测的意义正文：一、背景介绍随着遥感技术的不断发展，极化SAR（Synthetic Aperture Radar，合成孔径雷达）技术因其具有穿透能力强、分辨率高、受光照和天气影响小等优点，在生态环境监测、农业、林业等领域得到了广泛应用。
叶面积指数（Leaf Area Index，LAI）是描述植物生态系统的重要参数，对于研究植物生长、光合作用、蒸散发量等方面具有重要意义。
因此，利用极化SAR 技术反演叶面积指数具有重要的理论和实际应用价值。
二、专利技术概述本专利名为“一种极化SAR 反演叶面积指数的方法”，发明人为张三、李四。
该专利申请于2018 年1 月1 日，公开日期为2019 年1 月1 日。
专利摘要中提到，本发明提供了一种基于极化SAR 技术的叶面积指数反演方法，通过对极化SAR 图像进行预处理和特征提取，实现了叶面积指数的高精度反演。
三、技术原理本发明基于极化SAR 图像获取叶面积指数，主要分为以下几个步骤：1.极化SAR 图像的获取：利用极化SAR 卫星或无人机等平台获取目标区域的极化SAR 图像。
2.图像预处理：对获取的极化SAR 图像进行去噪、配准等预处理操作，提高图像质量。
3.叶面积指数反演算法：对预处理后的极化SAR 图像进行四成分分解，提取体散射分量。
然后，基于体散射分量和经验模型，计算叶面积指数。
四、算法实现本发明采用以下方法实现叶面积指数的反演：1.极化SAR 图像的四成分分解：利用四成分分解方法对极化SAR 图像进行分解，得到四个成分：线性散射、旋转散射、二次谐波和四次谐波。
一种极化sar反演叶面积指数 专利
一种极化sar反演叶面积指数专利摘要：一、引言1.叶面积指数在生态系统和农业应用中的重要性2.传统叶面积指数测量方法的局限性3.极化SAR反演叶面积指数的技术背景和优势二、极化SAR反演叶面积指数的方法1.极化SAR数据获取2.预处理和滤波3.叶面积指数反演算法3.1 模型建立3.2 参数优化3.3 模型验证与分析三、极化SAR反演叶面积指数的实验与结果1.实验区域及数据收集2.反演结果分析2.1 反演精度2.2 反演效果2.3 与其他方法的比较四、极化SAR反演叶面积指数的应用1.农业管理2.生态系统研究3.林业资源调查五、结论与展望1.极化SAR反演叶面积指数技术的可行性2.技术应用的潜力3.未来研究方向与挑战正文：叶面积指数（Leaf Area Index, LAI）是指单位地面上所有叶片单面面积的总和，是生态系统中具有重要作用的森林参数之一。
在农业领域，LAI对于监测作物生长、估算作物产量以及管理肥料等方面具有重要意义。
然而，传统叶面积指数测量方法如野外实测和间接测量等存在破坏性、工作量大、耗时长等问题，且获取的采样点数据有限。
近年来，极化合成孔径雷达（Polarimetric Synthetic Aperture Radar, PolSAR）技术在叶面积指数反演领域得到了广泛关注。
PolSAR具有对地表结构、含水量和生物量等参数的敏感性，能够实现对叶面积指数的定量反演。
本文提出了一种基于极化SAR反演叶面积指数的方法，并进行了实验验证。
首先，我们利用极化SAR数据获取实验区域的信息。
PolSAR数据具有多个极化通道，可以提供地表的多参数信息。
接下来，我们对获取的极化SAR数据进行预处理和滤波，以消除噪声和地表杂波影响。
预处理和滤波完成后，我们采用一种基于机器学习算法的叶面积指数反演模型。
该模型通过建立极化SAR数据与叶面积指数之间的映射关系，实现对叶面积指数的定量反演。
为了提高模型的准确性，我们对模型参数进行了优化。
一种叶面积指数反演方法及装置[发明专利]
![一种叶面积指数反演方法及装置[发明专利]](https://img.taocdn.com/s3/m/17e9a767cc22bcd126ff0cee.png)
专利名称：一种叶面积指数反演方法及装置专利类型：发明专利
发明人：董莹莹,李雪玲,朱溢佞,叶回春,黄文江申请号：CN201910333471.7
申请日：20190424
公开号：CN109975250A
公开日：
20190705
专利内容由知识产权出版社提供
摘要：本申请公开了一种叶面积指数反演方法及装置，其中，方法包括：获取遥感植被冠层光谱反射率数据，将遥感植被冠层光谱反射率数据输入预先训练的深度神经网络模型，得到深度神经网络模型输出的叶面积指数，深度神经网络模型至少包括卷积层，卷积层的采样步幅大于1，并且取不大于卷积层使用的滤波器的尺度的数值中的最大值。
通过本申请，可以反演出具有较高精度的叶面积指数。
申请人：中国科学院遥感与数字地球研究所,首都师范大学
地址：100101 北京市朝阳区大屯路甲20号北
国籍：CN
代理机构：北京集佳知识产权代理有限公司
更多信息请下载全文后查看。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
(19)中华人民共和国国家知识产权局
(12)发明专利
(10)授权公告号 (45)授权公告日 (21)申请号 201910333471.7
(22)申请日 2019.04.24
(65)同一申请的已公布的文献号
申请公布号 CN 109975250 A
(43)申请公布日 2019.07.05
(73)专利权人 中国科学院遥感与数字地球研究
所
地址 100101 北京市朝阳区大屯路甲20号
北
专利权人 首都师范大学
(72)发明人 董莹莹 李雪玲 朱溢佞 叶回春
黄文江
(74)专利代理机构 北京集佳知识产权代理有限
公司 11227
代理人 杨华 王宝筠
(51)Int.Cl.G01N 21/552(2014.01)G06N 3/04(2006.01)G06N 3/08(2006.01)审查员 李新科
(54)发明名称
一种叶面积指数反演方法及装置
(57)摘要
本申请公开了一种叶面积指数反演方法及
装置，其中，方法包括：获取遥感植被冠层光谱反
射率数据，将遥感植被冠层光谱反射率数据输入
预先训练的深度神经网络模型，得到深度神经网
络模型输出的叶面积指数，深度神经网络模型至
少包括卷积层，卷积层的采样步幅大于1，并且取
不大于卷积层使用的滤波器的尺度的数值中的
最大值。
通过本申请，可以反演出具有较高精度
的叶面积指数。
权利要求书2页 说明书12页 附图2页CN 109975250 B 2020.03.24
C N 109975250
B
权 利 要 求 书1/2页CN 109975250 B
1.一种叶面积指数反演方法，其特征在于，包括：
获取遥感植被冠层光谱反射率数据；
将所述遥感植被冠层光谱反射率数据输入预先训练的深度神经网络模型，得到所述深度神经网络模型输出的叶面积指数，所述深度神经网络模型至少包括卷积层，所述卷积层的采样步幅大于1，并且取不大于所述卷积层使用的滤波器的尺寸的数值中的最大值；
其中，所述卷积层包括：第一个卷积层与第二个卷积层，所述第一个卷积层与所述第二个卷积层连接；
所述第一卷积层的滤波器尺寸为1*3，采样步幅为3，所述第二个卷积层的滤波器尺寸为1*3，采样步幅为3；
其中，所述深度神经网络模型还包括：一个池化层；所述第二个卷积层与所述池化层连接；
其中，所述深度神经网络模型还包括：三个全连接层，分别为第一个全连接层，第二个全连接层与第三个全连接层；所述池化层与所述第一个全连接层连接，所述第一个全连接层输出的数据，输入随机失活(Dropout)，所述Dropout输出的数据输入所述第二个全连接层，所述第二个全连接层与所述第三个全连接层连接。
2.根据权利要求1所述的方法，其特征在于，所述预设的神经网络模型是采用训练样本训练得到；所述训练样本包括预设的植被光谱反射率数据，以及与所述预设的植被光谱反射率数据对应的叶面积指数；
所述预设的植被光谱反射率数据为在所述遥感植被冠层光谱反射率数据中的比例为0.14％的数据。
3.根据权利要求1所述的方法，其特征在于，所述第二个卷积层输出的数据输入预设的第一ReLU激活函数，所述第一ReLU激活函数输出的数据输入所述池化层，所述池化层输出的数据输入所述第一个全连接层，所述第一个全连接层输出的数据输入预设的第二ReLU激活函数，所述第二ReLU激活函数输出的数据输入所述Dropout，所述Dropout输出的数据输入所述第二个全连接层，所述第二个全连接层输出的数据输入预设的第三ReLU激活函数，所述第三ReLU激活函数输出的数据输入所述第三个全连接层，所述第三个全连接层输出的数据输入预设的Sigmoid函数。
4.一种叶面积指数反演装置，其特征在于，包括：
获取模块，用于获取遥感植被冠层光谱反射率数据；
输入模块，用于将所述遥感植被冠层光谱反射率数据输入预先训练的深度神经网络模型，得到所述深度神经网络模型输出的叶面积指数，所述深度神经网络模型至少包括卷积层，所述卷积层的采样步幅大于1，并且取不大于所述卷积层使用的滤波器的尺寸的数值中的最大值；
其中，所述卷积层包括：第一个卷积层与第二个卷积层，所述第一个卷积层与所述第二个卷积层连接；
所述第一卷积层的滤波器尺寸为1*3，采样步幅为3，所述第二个卷积层的滤波器尺寸为1*3，采样步幅为3；
其中，所述深度神经网络模型还包括：一个池化层；所述第二个卷积层与所述池化层连接；
2。